使用 Sphinx4 从数据库中检索答案

【问题标题】：Retrieval from the database with Sphinx4使用 Sphinx4 从数据库中检索
【发布时间】：2014-11-24 21:46:11
【问题描述】：

现在我正在使用语音制作字典应用程序。我已经制作了这本词典，大约有 100000 个单词作为数据库。这本词典需要语音搜索。为此，我使用 Sphinx4 / cmusphinx 作为要使用的工具。我已经阅读了相关网站的参考资料并成功运行了应用程序示例。然后我在这个示例（HelloWorld）中实现相同的方法到我的字典中。以前，我已经在语法（.gram）中放入了 100000 个单词。当我尝试运行它时，我的字典被冻结了，5 分钟后，eclipse 显示“Java Heap Size Out of Memory”

语法配置

#JSGF V1.0;
grammar hello;
public <database> = ([<Words>])*;
<Words>= 100000 words split by "|"

对于 sphinx4，我使用了这个版本http://sourceforge.net/projects/cmusphinx/files/sphinx4/1.0%20beta6/

我在字典中实现语音的方法正确吗？

有没有什么好的参考资料来构建这样一个拥有大量词库（大约 100000 个词）的搜索引擎？

希望你能帮助我。

【问题讨论】：

标签： cmusphinx sphinx4

【解决方案1】：

方法没问题。

如果你没有足够的内存给 JVM，你可以用 -Xmx 选项增加它

为了准确检索，最好创建一个包含单词频率的一元语言模型，而不仅仅是一个简单的列表。详情见

http://cmusphinx.sourceforge.net/wiki/tutoriallm

为了获得最佳准确性，最好使用最新的高级 API，详情请参阅

http://cmusphinx.sourceforge.net/wiki/sphinx4

【讨论】：

感谢您的回答。我已经将 jvm 增加到 1024，但我仍然没有得到我期望的结果。当我说“你好”时，没有发生任何事情，而不是打印口语。读100000字很难吗？ .. 看了cmusphinx.sourceforge.net/wiki/tutoriallm 后，我对dmp 格式和lm 格式感到困惑。在使用 .lm 的示例应用程序 (HelloNGram) 中有。我的问题是，这两者有什么不同？哪个更好？ .对于 dmp 格式，我如何在我的程序中实现 dmp 格式？我在给定的参考文献中找不到它。
首先请升级到最新版本。然后，您需要下载 en-us-generic 声学模型以获得最佳准确性。我不确定“在我的程序中实现 dmp 格式”是什么意思。 lm 格式和 dmp 格式是语言模型的等效表示。 lm 格式是文本，dmp 格式是二进制。有一个工具可以在它们之间进行转换，如教程中所述。
你好尼古拉。我想在stackoverflow.com/questions/26925322/… 中询问您的评论。我对 config.xml 中的这四个值很好奇。这些东西如何影响 sphinx4 的速度和准确性？如果这些事情有影响，那么我想编辑这些值以尝试在准确性和速度方面获得最佳设置。是否有任何参考或指导如何修改它？我已经下载并使用了最新的英文模型语言（.dmp），但准确性仍然不是我所期望的。我使用了 Sphinx4-5 alpha。